論文の概要: Omnidirectional Solid-State mmWave Radar Perception for UAV Power Line Collision Avoidance

• arxiv url: http://arxiv.org/abs/2602.03229v1
• Date: Tue, 03 Feb 2026 08:02:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.126538
• Title: Omnidirectional Solid-State mmWave Radar Perception for UAV Power Line Collision Avoidance
• Title（参考訳）: UAV電力線衝突回避のための全方向固体ミリ波レーダ知覚
• Authors: Nicolaj Haarhøj Malle, Emad Ebeid,
• Abstract要約: 小型UAVの周囲を球面で感知できるミリ波レーダを用いた知覚システムを提案する。 このシステムは複数のコンパクトな固体ミリ波レーダーモジュールを統合し、全方位視野を合成する。 実線でのフィールド実験では、10mの範囲での信頼性の高い検出、10m/s以上の飛行速度での回避操作の成功、直径1.2mmの細いワイヤの検出が示されている。
• 参考スコア（独自算出の注目度）: 2.707154152696381
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting and estimating distances to power lines is a challenge for both human UAV pilots and autonomous systems, which increases the risk of unintended collisions. We present a mmWave radar-based perception system that provides spherical sensing coverage around a small UAV for robust power line detection and avoidance. The system integrates multiple compact solid-state mmWave radar modules to synthesize an omnidirectional field of view while remaining lightweight. We characterize the sensing behavior of this omnidirectional radar arrangement in power line environments and develop a robust detection-and-avoidance algorithm tailored to that behavior. Field experiments on real power lines demonstrate reliable detection at ranges up to 10 m, successful avoidance maneuvers at flight speeds upwards of 10 m/s, and detection of wires as thin as 1.2 mm in diameter. These results indicate the approach's suitability as an additional safety layer for both autonomous and manual UAV flight.
• Abstract（参考訳）: 電力線への距離の検出と推定は、人間のUAVパイロットと自律システムの両方にとって課題であり、意図しない衝突のリスクを高める。 我々は、小さなUAV周辺を球面で感知し、堅牢な電力線検出と回避を可能にするmmWaveレーダに基づく認識システムを提案する。 このシステムは複数の小型の固体ミリ波レーダーモジュールを統合し、軽量のまま全方位視野を合成する。 我々は、この全方位レーダー配置の電力線環境における検知挙動を特徴付け、その挙動に合わせて頑健な検出・回避アルゴリズムを開発する。 実線でのフィールド実験では、10mの範囲での信頼性の高い検出、10m/s以上の飛行速度での回避操作の成功、直径1.2mmの細いワイヤの検出が示されている。 これらの結果は、自律飛行と手動UAV飛行の両方の安全層として、アプローチの適合性を示している。

関連論文リスト

• Multi-Modal Sensor Fusion for Proactive Blockage Prediction in mmWave Vehicular Networks [10.4860429348784]
  本稿では,カメラ,GPS,LiDAR,レーダ入力などのマルチモーダルセンシングを利用したプロアクティブなブロック予測フレームワークを提案する。 このアプローチでは、モーダリティ固有のディープラーニングモデルを使用して、各センサストリームを独立に処理し、出力を融合する。 本研究は,ミリ波遮断予測におけるマルチモーダルセンシングの有効性と有効性を示し,動的環境におけるプロアクティブ無線通信の経路を提供する。
  論文  参考訳（メタデータ） (2025-07-21T16:25:44Z)
• Detection and Tracking of MAVs Using a Rosette Scanning Pattern LiDAR [2.2124180701409233]
  セキュリティリスクの増大により、ドローンの検出と追跡が最優先事項となっている。 本研究では,非反復ロゼットスキャンパターンLiDARを用いて,この問題に対処する。 また、Pan-Tiltプラットフォームを用いて、ロゼット走査パターンLiDARの特性を利用する。 提案手法は,最先端の室内法と同等の精度で,最先端の屋外法を超える最大検出範囲を約80%増加させた。
  論文  参考訳（メタデータ） (2024-08-16T06:40:20Z)
• Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
  本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。 提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。 本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
  論文  参考訳（メタデータ） (2024-05-07T20:44:48Z)
• Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion [74.84019379368807]
  本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。 具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
  論文  参考訳（メタデータ） (2023-07-31T09:53:50Z)
• Deep Radar Inverse Sensor Models for Dynamic Occupancy Grid Maps [0.0]
  本稿では,レーダー検出から極性測定格子へのマッピングを学習するために,深層学習に基づく逆センサモデル(ISM)を提案する。 私たちのアプローチは、視野の限られたレーダーから極性スキームで1フレームの計測グリッドを学習する最初の方法です。 これにより、ネットワークの再トレーニングや360度センサのカバレッジの必要なしに、1つ以上のレーダーセンサーを柔軟に使用することが可能になります。
  論文  参考訳（メタデータ） (2023-05-21T09:09:23Z)
• RaLiBEV: Radar and LiDAR BEV Fusion Learning for Anchor Box Free Object Detection Systems [13.046347364043594]
  自動運転では、LiDARとレーダーは環境認識に不可欠である。 最近の最先端の研究は、レーダーとLiDARの融合が悪天候の堅牢な検出につながることを明らかにしている。 鳥眼ビュー融合学習に基づくアンカーボックスフリー物体検出システムを提案する。
  論文  参考訳（メタデータ） (2022-11-11T10:24:42Z)
• Complex-valued Convolutional Neural Networks for Enhanced Radar Signal Denoising and Interference Mitigation [73.0103413636673]
  本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。 CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
  論文  参考訳（メタデータ） (2021-04-29T10:06:29Z)
• RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
  我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。 我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。 RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
  論文  参考訳（メタデータ） (2020-07-28T17:15:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。